Construire le modèle de classification final
En comparant la rappel entre le modèle de régression logistique (0,4) et le meilleur modèle de random forest (0,2), vous avez constaté que le modèle le plus performant est la régression logistique. Dans cet exercice, vous allez entraîner le modèle de régression logistique sur l’ensemble des données train et préparer les vecteurs nécessaires pour évaluer les performances sur les données test.
Cet exercice fait partie du cours
<cours>Machine Learning dans le tidyverse</cours>Instructions de l’exercice
- Construisez un modèle de régression logistique prédisant
Attritionà partir de toutes les variables disponibles danstraining_data. - Préparez le vecteur binaire des valeurs réelles de test,
test_actual. - Préparez le vecteur binaire des valeurs prédites où une probabilité strictement supérieure à 0,5 indique
TRUE, et enregistrez-le sous le nomtest_predicted.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Build the logistic regression model using all training data
best_model <- glm(formula = ___,
data = ___, family = "binomial")
# Prepare binary vector of actual Attrition values for testing_data
test_actual <- testing_data$___ == "___"
# Prepare binary vector of predicted Attrition values for testing_data
test_predicted <- predict(___, ___, type = "response") > ___